| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究进展 | 第14-15页 |
| 1.3 盲源分离的处理方法 | 第15-16页 |
| 1.4 盲源分离的应用 | 第16-18页 |
| 1.5 论文结构和主要内容 | 第18-19页 |
| 第2章 盲源分离的数学模型及独立分量分析算法 | 第19-30页 |
| 2.1 盲源分离过程中信息论的基本概念 | 第19-21页 |
| 2.2 盲源分离问题的数学模型 | 第21-22页 |
| 2.2.1 线性瞬时混合模型 | 第21-22页 |
| 2.2.2 线性卷积混合模型 | 第22页 |
| 2.3 独立分量分析方法 | 第22-26页 |
| 2.3.1 独立分量分析的概念 | 第23-24页 |
| 2.3.2 独立分量分析的估计原理 | 第24-25页 |
| 2.3.3 独立分量分析方法的预处理过程 | 第25-26页 |
| 2.4 独立分量分析中目标函数的评价标准 | 第26-28页 |
| 2.5 衡量盲源分离算法分离性能的指标 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 快速独立分量分析算法及其改进算法 | 第30-41页 |
| 3.1 ICA优化准则-非高斯性极大化准则 | 第30-32页 |
| 3.2 Fast-ICA算法及其改进算法 | 第32-35页 |
| 3.2.1 二阶Fast-ICA算法 | 第32-33页 |
| 3.2.2 五阶收敛Fast-ICA算法 | 第33-34页 |
| 3.2.3 八阶收敛Fast-ICA算法 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-40页 |
| 3.3.1 基本Fast-ICA算法的仿真实验分析 | 第36-37页 |
| 3.3.2 八阶收敛Fast-ICA算法的仿真实验及结果分析 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 含噪图像盲源分离方法 | 第41-54页 |
| 4.1 含噪盲源分离模型以及处理方法 | 第41-45页 |
| 4.1.1 噪声来源 | 第41-42页 |
| 4.1.2 含噪信号的盲源分离处理方法 | 第42-43页 |
| 4.1.3 图像处理中常用的去噪算法 | 第43-45页 |
| 4.2 实验结果与分析 | 第45-52页 |
| 4.2.1 传感器噪声下的图像盲分离 | 第45-49页 |
| 4.2.2 信号源噪声下的图像盲分离 | 第49-52页 |
| 4.3 本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第62页 |